Dieser Kurs ist Teil der Spezialisierung Spezialisierung Bayessche Statistik

4.6
Sterne
39 Bewertungen

Abel Rodriguez

7.308 bereits angemeldet

von

Spezialisierung Bayessche StatistikUniversity of California, Santa Cruz

Über diesen Kurs

7.135 kürzliche Aufrufe

Bayesian Statistics: Mixture Models introduces you to an important class of statistical models. The course is organized in five modules, each of which contains lecture videos, short quizzes, background reading, discussion prompts, and one or more peer-reviewed assignments. Statistics is best learned by doing it, not just watching a video, so the course is structured to help you learn through application. 
Some exercises require the use of R, a freely-available statistical software package. A brief tutorial is provided, but we encourage you to take advantage of the many other resources online for learning R if you are interested.

This is an intermediate-level course, and it was designed to be the third in UC Santa Cruz's series on Bayesian statistics, after Herbie Lee's "Bayesian Statistics: From Concept to Data Analysis" and Matthew Heiner's "Bayesian Statistics: Techniques and Models." To succeed in the course, you should have some knowledge of and comfort with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 5 in

Spezialisierung Bayessche Statistik

Stufe „Mittel“

Familiarity with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.

Ca. 21 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Kompetenzen, die Sie erwerben

Markov Model
Bayesian Statistics
Mixture Model
R Programming

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 3 von 5 in

Spezialisierung Bayessche Statistik

Stufe „Mittel“

Familiarity with calculus-based probability, principles of maximum-likelihood estimation, and Bayesian estimation.

Ca. 21 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozent

Dozentenbewertung

4,75/5 (16 Bewertungen)

Abel Rodriguez

Professor

Applied Mathematics and Statistics

7.308 Lernende

1 Kurse

von

University of California, Santa Cruz

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

4 Stunden zum Abschließen

Basic concepts on Mixture Models

4 Stunden zum Abschließen

9 Videos (Gesamt 94 min), 7 Lektüren, 9 Quiz

9 Videos

Welcome to Bayesian Statistics: Mixture Models3mInstalling and using R5mBasic definitions25mMixtures of Gaussians10mZero-inflated mixtures11mHierarchical representations7mSampling from a mixture model5mThe likelihood function14mParameter identifiability10m

7 Lektüren

An Introduction to R45mExample of a bimodal mixture of Gaussians3mExample of a unimodal and skewed mixture of Gaussians3mExample of a unimodal, symmetric and heavy tailed mixture of Gaussians3mExample of a zero-inflated negative binomial distribution3mExample of a zero-inflated log Gaussian distribution3mSample code for simulating from a Mixture Model10m

7 praktische Übungen

Basic definitions6mMixtures of Gaussians4mZero-inflated distributions4mDefinition of Mixture Models20mThe likelihood functionIdentifiabilityLikelihood function for mixture models4m

Woche2

Woche 2

4 Stunden zum Abschließen

Maximum likelihood estimation for Mixture Models

4 Stunden zum Abschließen

4 Videos (Gesamt 73 min), 2 Lektüren, 2 Quiz

Woche3

Woche 3

4 Stunden zum Abschließen

Bayesian estimation for Mixture Models

4 Stunden zum Abschließen

6 Videos (Gesamt 84 min), 2 Lektüren, 2 Quiz

Woche4

Woche 4

5 Stunden zum Abschließen

Applications of Mixture Models

5 Stunden zum Abschließen

7 Videos (Gesamt 108 min), 3 Lektüren, 3 Quiz

7 Videos

Density estimation using Mixture Models12mDensity Estimation Example10mMixture Models for Clustering23mClustering example11mMixture Models and naive Bayes classifiers21mLinear and quadratic discriminant analysis in the context of Mixture Models18mClassification example10m

3 Lektüren

Sample code for density estimation problems10mSample EM algorithm for clustering problems10mSample EM algorithm for classification problems10m

Bewertungen

4.6

14 Bewertungen

5 stars
66,66 %
4 stars
23,07 %
3 stars
10,25 %

Top-Bewertungen von BAYESIAN STATISTICS: MIXTURE MODELS

von RL10. Feb. 2023

I really enjoyed this course! Plenty of examples on how to use Mixture Models in a Machine Learning context. Thanks to Abel and his team for putting together such an useful course.

von SM19. Jan. 2021

I learned a lot about bayesian mixture model, expectation maximization, and MCMC algorithms and their use case in classification and clustering problems. I highly recommend this course.

von CM17. Mai 2021

Definitely quite mathematical in nature. Good way to learn about expectation-maximisation algorithm.

Alle Bewertungen anzeigen

Über den Spezialisierung Bayessche Statistik

This Specialization is intended for all learners seeking to develop proficiency in statistics, Bayesian statistics, Bayesian inference, R programming, and much more. Through four complete courses (From Concept to Data Analysis; Techniques and Models; Mixture Models; Time Series Analysis) and a culminating project, you will cover Bayesian methods — such as conjugate models, MCMC, mixture models, and dynamic linear modeling — which will provide you with the skills necessary to perform analysis, engage in forecasting, and create statistical models using real-world data.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Bayesian Statistics: Mixture Models

Über diesen Kurs

Kompetenzen, die Sie erwerben